《機器學(xué)習(xí)中的基本算法》共八章.第1章和第2章簡要介紹了機器學(xué)習(xí)的基本概念、研究內(nèi)容、算法體系，以及相關(guān)的優(yōu)化理論與優(yōu)化算法.第3章和第4章詳細介紹了幾類作為分類器和回歸器的支持向量機算法，包括算法出發(fā)點、建模思想、理論推導(dǎo)和算法在數(shù)據(jù)分類、識別、擬合、預(yù)測等方面的應(yīng)用.第5章和第6章著重介紹了兩類常用的數(shù)據(jù)預(yù)處理方法

知識工程是創(chuàng)新方法的一種，是一個采用人工智能技術(shù)進行文本理解閱讀，用知識圖譜進行知識表達，并在知識圖譜上構(gòu)建的一個具有搜索、推薦、問答、輿情監(jiān)測和社區(qū)服務(wù)功能的系統(tǒng)。本書概括了知識管理和知識工程的各種概念，描述了人工智能技術(shù)在知識挖掘中的應(yīng)用發(fā)展趨勢及實現(xiàn)知識工程的云架構(gòu)技術(shù)，列舉了知識工程在幾個典型行業(yè)的應(yīng)用實例，展

《機器學(xué)習(xí)與人工智能》涵蓋了與人工智能相關(guān)的機器學(xué)習(xí)核心方法，包括深度卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、生成對抗網(wǎng)絡(luò)、蒙特卡羅樹搜索、強化學(xué)習(xí)。《機器學(xué)習(xí)與人工智能》也包括一些應(yīng)用非常廣泛的機器學(xué)習(xí)方法，例如，支持向量機、決策樹和隨機森林、隱馬爾可夫模型、聚類與自組織映射�！稒C器學(xué)習(xí)與人工智能》還包含一些重要的大數(shù)據(jù)分析方法

全書介紹了人工智能芯片相關(guān)的基礎(chǔ)領(lǐng)域知識，分析了人工智能處理面臨的挑戰(zhàn)，由此引出全書的重點：人工智能芯片的架構(gòu)設(shè)計、數(shù)據(jù)復(fù)用、網(wǎng)絡(luò)映射、存儲優(yōu)化以及軟硬件協(xié)同設(shè)計技術(shù)等領(lǐng)域前沿技術(shù)，書中還討論了當(dāng)前研究成果，并輔以實驗數(shù)據(jù)進行比較分析，最后展望了人工智能芯片技術(shù)的發(fā)展方向。

智能的概念和內(nèi)容很多，其核心思想是模擬人或其他生物的神經(jīng)系統(tǒng)，實現(xiàn)各種運算和操作過程，尤其是人的智能操作�！禕R》本書由四部分組成，第一部分是概論，討論智能計算的類型、特征、發(fā)展過程和應(yīng)用問題，并介紹和其他學(xué)科的關(guān)系問題。這些學(xué)科主要是生命科學(xué)、信息科學(xué)等。第二部分是算法篇，介紹智能計算中多種不同類型的算法，詳細介紹它

本書分四部分介紹深度學(xué)習(xí)算法模型及相關(guān)應(yīng)用實例。第一部分介紹在深度學(xué)習(xí)中必備的一些數(shù)學(xué)和機器學(xué)習(xí)的基礎(chǔ)知識。第二部分介紹卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、深度強化網(wǎng)絡(luò)等經(jīng)典模型，并對每種模型從原理、結(jié)構(gòu)、優(yōu)化等方面進行論述。第三部分介紹深度學(xué)習(xí)中常用的優(yōu)化方法及訓(xùn)練技巧。第四部分結(jié)合實踐來介紹深度學(xué)習(xí)在計算機視覺、模式識別中

隨著人工智能技術(shù)在各行業(yè)的應(yīng)用蓬勃發(fā)展，其已滲透社會及人們?nèi)粘Ｉ�活的方方面面，且在圖像分類、目標(biāo)識別、自然語言處理等領(lǐng)域顯示了良好的效果和前景。但是，人工智能及其分支技術(shù)有一些特定的脆弱性，在某些場景下容易受到欺騙和攻擊，若不對此采取一定措施，就有可能造成嚴重的后果。本書通過介紹針對圖像分類的對抗技術(shù)，描述了深度神經(jīng)網(wǎng)

粒計算是目前人工智能領(lǐng)域內(nèi)廣為關(guān)注的研究課題，本書旨在為初學(xué)者提供學(xué)習(xí)粒計算理論與方法的基本指導(dǎo)。模糊集、粗糙集和概念格是粒計算的三種主要的方法，本書把這三種方法有機地結(jié)合成為一個粒計算的基本理論框架，主要包括：1）模糊集理論，2）粗糙集理論，3）概念格理論。

《從統(tǒng)計世界走向人工智能——實戰(zhàn)案例與算法》敘述了從數(shù)學(xué)到統(tǒng)計、從統(tǒng)計到人工智能的發(fā)展，結(jié)合大量的實際商業(yè)應(yīng)用案例介紹了諸多經(jīng)典的機器學(xué)習(xí)算法，比如LASSO回歸、MCMC、決策樹、隨機森林和神經(jīng)網(wǎng)絡(luò)等�！稄慕y(tǒng)計世界走向人工智能——實戰(zhàn)案例與算法》將案例與算法結(jié)合，基于人工智能的場景，從理論到實際操作層層遞進，讀者從中

本書從區(qū)塊鏈的四個核心前沿技術(shù)--分布式賬本、加密技術(shù)、共識機制和智能合約技術(shù)入手，重點介紹公有鏈、聯(lián)盟鏈和私有鏈上的共識機制，描述其中使用的去中心化算法，包括PoW（工作量證明），PoS（權(quán)益證明），DPoS（股份授權(quán)證明），Ripple共識，PBFT（實用拜占庭容錯）和PoV（投票證明）等，并具體分析了每個算